从50%到7%：大厂校招断崖式下跌背后的真实原因 | 帖子 Forbes数据显示，Big Tec
从50%到7%：大厂校招断崖式下跌背后的真实原因 | 帖子 Forbes数据显示，Big Tech新员工中应届生占比已从疫情前的50%以上骤降至7%。
从50%到7%：大厂校招断崖式下跌背后的真实原因 | 帖子 Forbes数据显示，Big Tech新员工中应届生占比已从疫情前的50%以上骤降至7%。
这到底是AI替代的结果，还是经济周期叠加行业过饱和的必然？
资深开发者用AI效率暴增五倍，而应届生连入场券都拿不到。
一个资深开发者说了句大实话：庆幸自己是在AI之前入行的。
“在现在这个环境下，想获得我这些年积累的知识，太难了，更别说还能拿工资学。
” 这句话残酷在哪？
不是AI会取代程序员，而是AI正在消灭“学徒工”这个岗位本身。
有近30年经验的工程师现在把自己定位成“context lake”，也就是上下文湖泊。
AI agent在他搭建好的架构里自动运行数小时，交付的功能甚至是人类团队会因为“工作量太大不划算”而拒绝做的那种。
过去需要一周的features，现在几天搞定，五倍效率提升不是夸张。
问题来了：谁来成为下一个拥有30年经验的人？
一位principal级别的工程师直接点破：“我可以用十秒钟打字给AI，三十秒拿到结果。
如果交给junior，我得解释技术背景、为什么这么做、怎么做，然后他们带着一堆问题花一整天才能完成。
”他把这比作发邮件和手写信件的区别。
但也有观点认为这和AI关系不大。
有人指出这就是典型的经济周期：疫情期间大厂疯狂招人，现在裁员消化泡沫。
Salesforce、Microsoft员工数虽然比2023年少，但比2020年多得多，营收利润还创新高。
另外，便宜外包一直都有，为什么偏偏现在用得更狠了？
还有人提到一个被低估的事实：即便经历了大规模裁员，Amazon员工数仍然接近2019年的两倍，Google增长超过50%。
科技行业并没有“崩溃”，它只是不再像2021年那样不计成本地囤人了。
AI到底有没有用？
这取决于谁在用。
一位开发者用GLM4.7flash修了个bug，代码看起来漂亮又正确，上了生产环境。
结果几天后发现修复逻辑完全错误，半周时间浪费在本可以半天手动解决的问题上。
他的结论：LLM像毒品，入门容易，但很快就会失控，除非你本身技术过硬。
一个Z世代的声音值得听听：“3到5年经验被当成入门门槛，需要超级专业化技能才能竞争，AI替代的威胁永远悬在头上。
我爱这个不招人也不敢裁人的经济环境。
生得太晚没赶上大航海，太早又到不了太空，正好赶上卖卵子换钱。
” 有人问了一个真正尖锐的问题：那些正在读计算机本科的人，毕业后干什么去？
没有人有答案。
这是一个精妙的死循环：AI让老手效率提升五倍，却把新手困在了“无法获得经验”的逻辑陷阱里。
那位30年经验的工程师自称“上下文湖泊”，听起来很酷，但仔细想想——湖泊是不会自己补水的。
当Junior工程师连“带着一堆问题花一整天”的机会都没有时，谁来成为下一个湖泊？
这像极了一个只顾榨取、不管再生的农业系统。
效率革命的最大Bug，是它正在吃掉自己的种子，然后管这叫“优化”。
